Harbin Institute of Technology（哈尔滨工业大学）

Agent Planning Benchmark: A Diagnostic Framework for Planning Capabilities in LLM Agents

Agent规划基准：LLM Agent规划能力的诊断框架

Haoyu Sun, Wenxuan Wang, Mingyang Song, Jujie He, Weinan Zhang, Yang Liu, Yang Yang, Yu Cheng

机构 * Tongji University（同济大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Fudan University（复旦大学） ； Skywork AI ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 提出Agent规划基准(APB)，通过4209个多模态案例和五个设置，诊断LLM Agent在长程规划、工具噪声鲁棒性、校准拒绝和推理时改进方面的系统弱点。

Autoregression-Free Neural Operators for Time-Dependent PDEs

无自回归的神经算子用于时间相关偏微分方程

Jiaquan Zhang, Caiyan Qin, Haoyu Bian, Libin Cai, Yi Lu, Chaoning Zhang, Wei Dong, Yuanfang Guo, Yang Yang, Heng Tao Shen

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology（哈尔滨工业大学机器人与先进制造学院） ； School of Mathematical Sciences, Capital Normal University（首都师范大学数学学院） ； College of Information and Control Engineering, Xi’an University of Architecture and Technology（西安建筑科技大学信息与控制工程学院） ； Laboratory of Intelligent Recognition and Image Processing, School of Computer Science and Engineering, Beihang University（北京航空航天大学智能识别与图像处理实验室） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

AI总结 提出AFNO，通过将PDE时间演化映射到潜空间并利用流匹配学习连续时间向量场，避免自回归展开，实现长期稳定预测。

Comments 23 pages, 18 figures

Focus-then-Context: Subject-Centric Progressive Visual Token Reduction for Vision-Language Models

聚焦-然后-上下文：面向视觉-语言模型的主体导向渐进视觉标记缩减

Yulin Zhao, Zheng Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院） ； ShenZhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本文提出了一种主体导向的渐进视觉标记缩减方法SPpruner，通过模拟人类视觉感知系统的'聚焦-然后-上下文'机制，有效减少视觉标记数量，提升视觉-语言模型的推理效率，实验表明其在速度和资源消耗上均优于现有方法。

L-SDPPO: Policy Optimization of Spiking Diffusion Policy for Intra-vehicular Robotic Manipulation

L-SDPPO：用于舱内机器人操作的脉冲扩散策略优化

Liwen Zhang, Dong Zhou, Guanghui Sun, Yifei Zheng, Yuhui Hu, Kaihong Ouyang, Zuoquan Zhao

机构 * Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程系，哈尔滨工业大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，香港中文大学） 纠错

AI总结 提出L-SDPPO框架，结合脉冲扩散策略与强化学习优化，并引入状态依赖延迟注入机制，在舱内机器人操作任务中实现高成功率和低能耗。

ACE-SQL: Adaptive Co-Optimization via Empirical Credit Assignment for Text-to-SQL

ACE-SQL: 基于经验信用分配的自适应协同优化方法用于文本到SQL

Xiaobing Chen, Ai Jian, Eryu Guo, Zhiqi Pang

机构 * Harbin Engineering University（哈尔滨工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 提出ACE-SQL强化学习框架，通过在线列集池和经验信用分配联合优化模式检索与SQL生成，在BIRD Dev上达到65.3%的贪心执行准确率。

Predictable Scaling Laws of Optimal Hyperparameters for LLM Continued Pre-training

LLM持续预训练中最优超参数的可预测缩放定律

Yongwei Zhou, Juncheng Diao, Junlin Shang, Peiguang Li, Rongxiang Weng

机构 * MeiTuan（美团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文发现持续预训练中学习率和批大小等最优超参数遵循稳定可预测的缩放定律，并提出一个两阶段框架，通过小规模代理模型和状态感知预测，将超参数搜索开销降低90%且性能相当或更优。

Transformer-Enhanced Reinforcement Learning: Fundamentals and Applications in Communication Networks

Transformer增强的强化学习：通信网络中的基础与应用

Nguyen Cong Luong, Shaohan Feng, Nguyen Duc Hai, Zeping Sui, Bo Ma, Min Xu, Zhihao Dong, Qiushi Zhao, Nguyen Duc Duy Anh, Nguyen Quoc Khanh, Ngoc Hung Nguyen, Zitian Zhang, Jie Cao

机构 * Faculty of Computer Science, Phenikaa University（菲律宾Phenikaa大学计算机科学学院） ； Faculty of Artificial Intelligence and Data Science, Phenikaa University（菲律宾Phenikaa大学人工智能与数据科学学院） ； School of Information and Electronic Engineering (Sussex Artificial Intelligence Institute), Zhejiang Gongshang University（浙江工商大学信息与电子工程学院（Sussex人工智能研究院）） ； School of Computer Science and Electronics Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院） ； School of Mathematics, Statistics and Mechanics, Beijing University of Technology（北京理工大学数学、统计与力学学院） ； School of Information Science and Technology, Harbin Institute of Technology（哈尔滨工业大学信息科学与技术学院） ； Department of Electrical and Information Technology, Faculty（电气与信息技术系） 纠错

AI总结 本文综述了Transformer增强的强化学习算法及其在通信网络中的应用，重点解决了传统RL在长期依赖建模和部分可观测性方面的局限。

R^3: Composed Video Retrieval via Reasoning-Guided Recalling and Re-ranking

R^3: 基于推理引导的召回与重排序的组合视频检索

Zixu Li, Yupeng Hu, Zhiheng Fu, Zhiwei Chen, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 提出R^3零样本组合视频检索流程，通过生成推理轨迹增强查询表示，并融合重排序验证候选视频，有效解决源视频与编辑指令组合检索的挑战。

OmniEgo-R$^2$: A Routed Reasoning Framework for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

OmniEgo-R$^2$：面向CVPR 2026首届跨领域EgoCross挑战赛的路由推理框架

Zixu Li, Zhiwei Chen, Zhiheng Fu, Wenbo Wang, Yupeng Hu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 针对跨领域自我中心视频推理中的时间边界模糊、语义粒度不匹配和决策不稳定问题，提出OmniEgo-R$^2$路由推理框架，在Source-Limited和Open-Source赛道均获第二名。

Comments Technical Report for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

EgoAdapt: A Multi-Scene Egocentric Adaptation Method for CVPR 2026 HD-EPIC VQA Challenge

EgoAdapt: CVPR 2026 HD-EPIC VQA挑战赛的多场景自我中心适应方法

Zhiwei Chen, Yupeng Hu, Zixu Li, Zhiheng Fu, Guozhi Qiu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 提出EgoAdapt方法，通过类别条件路由、校准选项评分和测试时一致性适应，解决自我中心视频问答中通用推理与异构时空语义结构不匹配的问题。

Comments Technical Report for CVPR 2026 HD-EPIC VQA Challenge

EgoAction: Egocentric Action Composition with Reliability-Aware Temporal Fusion for the EPIC-KITCHENS Action Detection Challenge at CVPR 2026

EgoAction: 面向 EPIC-KITCHENS 动作检测挑战的可靠性感知时间融合自我中心动作组合 (CVPR 2026)

Zhiheng Fu, Zixu Li, Zhiwei Chen, Fangxu Liu, Yupeng Hu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 提出 EgoAction 统一解耦检测与融合流水线，通过动态加权融合（DWF）自适应组合动词和名词检测流，解决自我中心视频中动作边界定位的可靠性问题。

Comments Technical Report for CVPR 2026 EPIC-KITCHENS-100 Action Detection Challenge

TempRet: Temporal Enhancement and Two-Stage Reranking for CVPR 2026 EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge

TempRet: 面向CVPR 2026 EPIC-KITCHENS-100多实例检索挑战的时间增强与两阶段重排序

Zixu Li, Yupeng Hu, Zhiwei Chen, Zhiheng Fu, Xiaowei Zhu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 针对第一人称视频检索中时间动态被忽视的问题，提出基于CLIP双编码器、视频端时间Transformer和两阶段重排序的TempRet方法，在EK-100 MIR基准上达到67.97%平均mAP和82.92%平均nDCG。

Comments Technical Report for CVPR 2026 EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge

Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models

超越模仿：基于强化学习的仿真-现实协同训练用于VLA模型

Liangzhi Shi, Shuaihang Chen, Feng Gao, Yinuo Chen, Kang Chen, Tonghe Zhang, Hongzhi Zang, Jiakai Zhou, Weinan Zhang, Chao Yu, Yu Wang

机构 * Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文提出基于强化学习的仿真-现实协同训练框架，通过结合仿真交互与真实世界数据，提升VLA模型的现实应用能力和泛化能力。

GenFT: A Generative Parameter-Efficient Fine-Tuning Method for Pretrained Foundation Models

GenFT：一种用于预训练基础模型的生成性参数高效微调方法

Guangning Xu, Baoquan Zhang, Michael. K. Ng

机构 * Department of Mathematics, Hong Kong Baptist University, Hong Kong, China（香港 Baptist 大学数学系，香港，中国） ； Department of Computer Science, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）计算机科学系，中国） 纠错

AI总结 本文提出GenFT，一种基于预训练权重的参数高效微调方法，通过生成任务特定的更新来利用预训练权重中的结构信息，实现高效的模型微调。

Comments paper is accepted at ICANN 2026

COMBINER: Composed Image Retrieval Guided by Attribute-based Neighbor Relations

COMBINER: 基于属性邻居关系的组合图像检索

Zixu Li, Yupeng Hu, Zhiwei Chen, Haokun Wen, Xuemeng Song, Liqiang Nie

机构 * School of Software, Shandong University（山东大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） 纠错

AI总结 针对组合图像检索中视觉相似但属性不同的样本问题，提出基于属性原型的跨模态统一表示方法COMBINER，通过自适应语义解耦、统一原型组合和双重关系建模提升检索准确性。

Comments Accepted by IEEE TIP 2026

MAD: Mapping-Aware World Models for Agile Quadrotor Flight

MAD: 面向敏捷四旋翼飞行的地图感知世界模型

Xinhong Zhang, Runqing Wang, Yunfan Ren, Ding Yu, Boyu Zhou, Jian Sun, Fang Deng, Jie Chen, Gang Wang

机构 * State Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology, Beijing 100081, China（自主智能无人系统国家重点实验室，北京理工大学，北京100081，中国） ； Zhongguancun Academy, Beijing 100094, China（中关村学院，北京100094，中国） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Department of Mechanical and Energy Engineering, Southern University of Science and Technology（南方科技大学机械与能源工程系） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 提出地图感知世界模型MAD，通过重构机器人中心占用和可见性网格地图学习几何感知的潜在动力学，在视觉导航和竞速任务中实现更高成功率、更快飞行速度和更好跨任务迁移。

Comments 12 pages, 14 figures

3DThinkVLA: Endowing Vision-Language-Action Models with Latent 3D Priors via 3D-Thinking-Guided Co-training

3DThinkVLA：通过3D思维引导的协同训练赋予视觉-语言-动作模型潜在3D先验

Jiaxin Shi, Xidong Zhang, Fucai Zhu, Zhe Li, Siyu Zhu, Weihao Yuan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Daimon Robotics（达梦机器人） ； Great Bay University（大亚大学） 纠错

AI总结 提出3D思维引导的协同训练框架，通过解耦3D几何感知与空间推理并在不同特征层次注入，使VLA模型在动作预测中隐式进行3D空间推理，无需3D传感器或外部模型，在多个基准上达到最优性能。

MemoNoveltyAgent: A Historical Research Memory-Aware Agent Workflow for Paper Novelty Assessment

MemoNoveltyAgent：一种用于论文新颖性评估的历史研究记忆感知智能体工作流

Jiajun Hou, Hexuan Deng, Wenxiang Jiao, Xuebo Liu, Xiaopeng Ke, Derek F. Wong, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（计算与智能研究院，哈尔滨工业大学深圳校区，中国） ； Xiaohongshu Inc.（小红书公司） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau, China（自然语言处理2实验室，计算机与信息科学系，澳门大学，中国） 纠错

AI总结 提出MemoNoveltyAgent多智能体系统，通过分层抽象记忆、细粒度新颖点分解和自验证机制，生成忠实的新颖性报告，在评估中比GPT-5 DeepResearch提升13.69%。

Med-Banana: Learning Quality-Controlled Medical Image Editing from Success-and-Failure Trajectories

Med-Banana：从成功与失败轨迹中学习质量可控的医学图像编辑

Zhihui Chen, Qingyuan Lei, Kai He, Yanrui Du, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 提出Med-Banana框架，通过收集成功与失败编辑轨迹数据集Med-Banana-80K，联合训练编辑器、验证器和优化器，实现质量可控的医学图像编辑。

DiffAero: A GPU-Accelerated Differentiable Simulation Framework for Efficient Quadrotor Policy Learning

DiffAero: 一种用于高效四旋翼策略学习的GPU加速可微分仿真框架

Xinhong Zhang, Runqing Wang, Yunfan Ren, Jian Sun, Hao Fang, Jie Chen, Gang Wang

机构 * State Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自主智能无人系统国家重点实验室，北京理工大学） ； Zhongguancun Academy（中关村academy） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 提出DiffAero，一种轻量级、GPU加速且完全可微的仿真框架，通过并行化物理与渲染实现高效四旋翼控制策略学习，并在消费级硬件上数小时内训练出鲁棒策略。

Comments 8 pages, 11 figures, 1 table

Scalable Event Cloud Network for Event-based Classification

可扩展事件云网络用于基于事件的分类

Hongwei Ren, Fei Ma, Xiaopeng Lin, Yuetong Fang, Hongxiang Huang, Yue Zhou, Yulong Huang, Haotian Fu, Ziyi Yang, Youxin Jiang, Xiangqian Wu, Bojun Cheng

机构 * Research Centre for Multimodal Artificial Intelligence（多模态人工智能研究中心） ； Applications, Faculty of Computing, Harbin Institute of Technology（应用学院，哈尔滨工业大学） ； MICS Thrust, Hong Kong University of Science（科学与技术大学（香港）MICS研究方向） ； Guangdong Laboratory of Artificial Intelligence（广东人工智能与数字经济实验室） 纠错

AI总结 提出SECNet，通过结构级极性集成和频域特征提取，解决事件云表示在空间和时间分辨率上的可扩展性问题，在十个数据集上验证了有效性。

Comments ICML2026 Oral

Efficient hinging hyperplanes neural network and its application in nonlinear system identification

高效铰接超平面神经网络及其在非线性系统辨识中的应用

Jun Xu, Qinghua Tao, Zhen Li, Xiangming Xi, Johan A. K. Suykens, Shuning Wang

机构 * School of Mechanical Engineering（机械工程学院） ； Automation, Harbin Institute of Technology, Shenzhen, 518055, China（自动化学院，哈尔滨工业大学深圳校区，中国，518055） ； BNRist, Department of Automation, Tsinghua University, Beijing, 100084, China（BNRist，自动化系，清华大学，北京，中国，100084） 纠错

AI总结 本文提出了一种高效的铰接超平面（EHH）神经网络，该网络通过求解多个凸优化问题进行训练，具有快速的训练速度。研究证明，每个EHH神经网络等价于一个自适应铰接超平面（AHH）树，并在系统辨识中表现出良好的应用效果。EHH神经网络具有可解释性，可通过ANOVA分解或交互矩阵获得，可作为输入变量选择的建议。

Comments submitted to Automatica

General solutions for nonlinear differential equations: a rule-based self-learning approach using deep reinforcement learning

非线性微分方程的通用解法：一种基于规则的自学习方法使用深度强化学习

Shiyin Wei, Xiaowei Jin, Hui Li

机构 * Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology（工信部智能防灾减灾重点实验室，哈尔滨工业大学） ； Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology（教育部结构动力行为与控制重点实验室，哈尔滨工业大学） ； School of Civil Engineering, Harbin Institute of Technology（哈尔滨工业大学土木工程学院） 纠错

AI总结 本文提出了一种基于规则的自学习方法，利用深度强化学习解决非线性常微分方程和偏微分方程，通过深度神经网络结构的演员输出候选解，以及仅基于物理规则（ governing equations 和边界和初始条件）的评论家，展示了转移学习特性，并验证了该方法在求解薛定谔、纳维-斯托克斯、伯格斯、范德波尔和洛伦兹方程及运动方程中的高精度解。

A New Hybrid Control Architecture to Attenuate Large Horizontal Wind Disturbance for a Small-Scale Unmanned Helicopter

一种新型混合控制架构用于抑制小型无人驾驶直升机的大水平风扰动

Xiaorui Zhu, Wenwu Zeng, Zexiang Li, Chunyang Zheng

机构 * School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen Graduate School（哈尔滨工业大学机械工程与自动化学院深圳研究生院） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系） 纠错

AI总结 本文提出了一种结合风洞实验数据和反步算法的新方法，用于抑制小型无人驾驶直升机的大水平风扰动，通过混合控制架构实现更精确快速的扰动抑制。

Development of an Autonomous Sanding Robot with Structured-Light Technology

基于结构光技术的自主打磨机器人开发

Yingxin Huo, Diancheng Chen, Xiang Li, Peng Li, Yun-Hui Liu

机构 * CUHK T Stone Robotics Institute（CUHK T Stone机器人研究所） ； Innovation and Technology Commission of Hong Kong（香港创新及科技委员会） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出了一种能够自主完成未知物体打磨工作的机器人，通过结构光相机扫描建模、优化运动规划和阻抗模型控制，实现了无需人工干预的自主打磨。

Comments 7 pages, 11 figures, IEEE/RSJ International Conference on Intelligent Robots and Systems 2019

Sample-Efficient Policy Learning based on Completely Behavior Cloning

基于完全行为克隆的高效策略学习

Qiming Zou, Ling Wang, Ke Lu, Yu Li

机构 * Department of Computer Science and Technology, Harbin Institute of Technology, China（计算机科学与技术系，哈尔滨工业大学，中国） ； Department of Management Science and Engineering, Anhui University of Technology, China（管理科学与工程系，安徽理工大学，中国） 纠错

AI总结 本文提出了一种基于完全行为克隆的策略初始化算法PLCBC，通过将模型预测控制转换为分段仿射函数并用神经网络表达，实现无训练的完全克隆，从而提高策略学习的效率和收敛性。

An inverse scattering approach for geometric body generation: a machine learning perspective

用于几何体生成的逆散射方法：一种机器学习视角

Jinhong Li, Hongyu Liu, Wing-Yan Tsui, Xianchao Wang

机构 * Faculty of Science, Qilu University of Technology, Jinan, Shandong, China（齐鲁工业大学科学学院，济南，山东，中国） ； Department of Mathematics, Hong Kong Baptist University, Kowloon, Hong Kong SAR（香港 Baptist 大学数学系，九龙，香港特别行政区） ； Department of Mathematics, Harbin Institute of Technology, Harbin（哈尔滨工业大学数学系，哈尔滨） 纠错

AI总结 本文提出了一种基于逆散射技术的机器学习方法，用于生成具有特定特征值的2D和3D几何体，通过建立几何体与远场模式的一一对应关系，实现高效稳定的体生成。

Comments 22pages, comments are welcome

Denoising Tells When to Replan: Denoising-Variance Adaptive Chunking for Flow-Based Robot Policies

去噪提示何时重新规划：基于流的机器人策略的去噪方差自适应分块

Xiangdong Feng, Yuxuan Cheng, Chen Shi, Boyao Han, Yuxuan Yan, Yitong Hong, Zhuotao Tian, Li Jiang

机构 * Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Hunan University（湖南大学） ； Xi’an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

AI总结 针对基于流的机器人策略中固定执行步长的问题，提出DVAC方法，利用去噪过程中干净动作估计的方差自适应决定执行步长，在保持或提升任务成功率的同时降低重新规划频率。

Beyond Single Solution: Multi-Hypothesis Collaborative Deep Unfolding Network for Image Compressive Sensing

超越单一解：用于图像压缩感知的多假设协作深度展开网络

Wenxue Cui, Hualin Li, Yuhang Qin, Yifu Xu, Xiaopeng Fan, Debin Zhao

机构 * Harbin Institute of Technology, Harbin, China（哈尔滨工业大学） ； Harbin Institute of Technology Suzhou Research Institute, Suzhou, China（哈尔滨工业大学苏州研究院） 纠错

AI总结 针对压缩感知问题的病态性，提出一种多假设协作深度展开网络（MHC-DUN），通过联合优化多个解空间，利用AlphaNet动态预测空间变步长进行梯度下降，并设计多假设协作近端映射模块，以提升重建质量。

Comments Accepted by CVPR 2026

A Benchmark for Semi-supervised Multi-modal Crowd Counting

半监督多模态人群计数基准

Haoliang Meng, Xiaopeng Hong, Yabin Wang, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 本文构建了首个半监督多模态人群计数基准，通过制定标准化协议和评估多种基线方法，为该任务奠定基础。